高级搜索

一种基于模糊C均值聚类小数据量计算最大Lyapunov指数的新方法

,  ,  , 

downloadPDF

上一篇

下一篇

周双, 冯勇, 吴文渊, 汪维华. 2016: 一种基于模糊C均值聚类小数据量计算最大Lyapunov指数的新方法, 物理学报, 65(2): 42-48. doi: 10.7498/aps.65.020502
引用本文: 周双, 冯勇, 吴文渊, 汪维华. 2016: 一种基于模糊C均值聚类小数据量计算最大Lyapunov指数的新方法, 物理学报, 65(2): 42-48. doi: 10.7498/aps.65.020502
shu
Zhou Shuang, Feng Yong, Wu Wen-Yuan, Wang Wei-Hua. 2016: A novel method based on the fuzzy C-means clustering to calculate the maximal Lyapunov exponent from small data, Acta Physica Sinica, 65(2): 42-48. doi: 10.7498/aps.65.020502
Citation: Zhou Shuang, Feng Yong, Wu Wen-Yuan, Wang Wei-Hua. 2016: A novel method based on the fuzzy C-means clustering to calculate the maximal Lyapunov exponent from small data, Acta Physica Sinica, 65(2): 42-48. doi: 10.7498/aps.65.020502
shu

一种基于模糊C均值聚类小数据量计算最大Lyapunov指数的新方法

  • 中国科学院重庆绿色智能技术研究院,自动推理与认知重庆市重点实验室,重庆400714 ;中国科学院大学,北京 10009

  • 中国科学院重庆绿色智能技术研究院,自动推理与认知重庆市重点实验室,重庆400714

A novel method based on the fuzzy C-means clustering to calculate the maximal Lyapunov exponent from small data

  • 摘要: 在小数据量计算最大Lyapunov指数的过程中,为了减少人为因素识别线性区域带来的误差,提出一种基于模糊C均值聚类的新方法.该方法根据平均发散程度指数曲线的变化特征,利用分类算法进行识别.首先,利用小数据量算法对混沌时间序列进行计算得到平均发散程度指数集合;其次,利用模糊C均值聚类算法对平均发散程度指数集合进行分类,得到不饱和数据;然后,对不饱和的二阶差分数据进行分类,得到零附近波动数据并剔除粗大误差,再对保留的有效数据利用统计方法识别出线性区域;最后,对线性区域进行最小二乘法拟合得到最大Lyapunov指数.为了验证该算法的有效性,对著名Logistic和H6non混沌系统进行了仿真,所得结果接近理论值.实验表明,所提出的新方法与主观识别方法比较,计算结果更加准确.
  • 加载中
  • 加载中
计量
  • 文章访问数:  317
  • HTML全文浏览数:  125
  • PDF下载数:  0
  • 施引文献:  0
出版历程
  • 刊出日期:  2016-01-30

一种基于模糊C均值聚类小数据量计算最大Lyapunov指数的新方法

  • 中国科学院重庆绿色智能技术研究院,自动推理与认知重庆市重点实验室,重庆400714 ;中国科学院大学,北京 10009
  • 中国科学院重庆绿色智能技术研究院,自动推理与认知重庆市重点实验室,重庆400714

摘要: 在小数据量计算最大Lyapunov指数的过程中,为了减少人为因素识别线性区域带来的误差,提出一种基于模糊C均值聚类的新方法.该方法根据平均发散程度指数曲线的变化特征,利用分类算法进行识别.首先,利用小数据量算法对混沌时间序列进行计算得到平均发散程度指数集合;其次,利用模糊C均值聚类算法对平均发散程度指数集合进行分类,得到不饱和数据;然后,对不饱和的二阶差分数据进行分类,得到零附近波动数据并剔除粗大误差,再对保留的有效数据利用统计方法识别出线性区域;最后,对线性区域进行最小二乘法拟合得到最大Lyapunov指数.为了验证该算法的有效性,对著名Logistic和H6non混沌系统进行了仿真,所得结果接近理论值.实验表明,所提出的新方法与主观识别方法比较,计算结果更加准确.

English Abstract

    全文HTML

参考文献 (0)

目录

/

返回文章
返回